Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Kursplan
Introduktion till industriell Computer Vision
- Översikt över maskinvisionssystem i tillverkning
- Vanliga defekter: sprickor, repor, feljusteringar, saknade komponenter
- AI vs traditionell regelbaserad visuell inspektion
Bildinsamling och förbehandling
- Kameratyper och inställningar för bildinspelning
- Minskning av brus, kontrastförstärkning och normalisering
- Datatillväxt för träningens robusthet
Tekniker för objektdetektion och segmentering
- Klassiska metoder (tröskelvärdesbestämning, kantdetektion, konturer)
- Djupinlärningsmetoder: CNNs, U-Net, YOLO
- Val mellan detektion, klassificering och segmentering
Utveckling av defektdetektionmodeller
- Förberedelse av annoterade dataset
- Träning av defektklassificerare och segmenterare
- Modellutvärdering: precision, recall, F1-score
Implementation i industriella miljöer
- Hårdvaruöverväganden: GPUs, kantenheter, industriella datorer
- Arkitektur för inspektionspipeline i realtid
- Integration med PLC och fabriksautomatiseringssystem
Prestandajustering och underhåll
- Hantering av förändrad belysning och produktionsförhållanden
- Modellretraining och kontinuerligt lärande
- Integriering av varningar, loggning och QA-rapportering
Fallstudier och tillämpningar inom området
- Defektdetektion i bilsammanställning och svetsning
- Ytinspektion inom elektronik och halvledare
- Kontroll av etiketter och förpackningar inom läkemedel och livsmedel
Sammanfattning och nästa steg
Krav
- Erfarenhet av maskininlärning eller datorseende-koncept
- Bekanthet med Python programmering
- Grundläggande förståelse för kvalitetskontroll eller industriell automation
Målgrupp
- QA-team
- Automatiseringsingenjörer
- Datorseendesutvecklare
14 timmar